基于像元二分模型参数化的植被覆盖度遥感估算方法和检验研究

Fractional vegetation cover (FVC) is an important parameter in the monitoring of environmental and ecological status, modeling of land surface process and so on. This research focuses on the development of an estimation algorithm of fractional vegetation cover by using remote sensing technique. The vegetation indices based (VI-based) mixture model is widely-used to derive green FVC from remotely sensed data. Two critical parameters of the model, i.e. the vegetation indices of fully-covered and bare soil pixels (denote Vx and Vn hereafter), are commonly empirically set according to spatial and/or temporal statistics. The uncertainty and difficulty of accurately determining Vx and Vn in many ecosystems limits the accuracy of the resultant FVC estimate and hence reduces the utility of VI-based mixture model FVC estimates. Here, an improved method called MultiVI is developed to quantitatively estimate Vx and Vn from angular VI and the formula of canopy gap fraction. The MultiVI method can be flexibly implemented over regional or global scales to monitor FVC, with Vx and Vn as two important byproducts. Unmanned aerial vehicles (UAVs), realistic reconstruction and radiometric simulation as well as field measurements are used for the validation of FVC. To alleviate the negative effects of mixed pixels in aerial images collected by UAV, we proposed a new method for decomposing the Gaussian mixture model and estimating FVC. In this project, the Vx and Vn maps of China will be produced and published online for the convenience of any potential user.

植被覆盖度被广泛用于区域和全球范围的生态环境监测、陆表过程模型模拟等领域。本研究以发展植被覆盖度（FVC）遥感估算方法为目标，通过改进像元二分模型的参数获取方式以得到更准确更能适用于不同尺度植被覆盖度估算的实用性方法。通常像元二分模型的纯植被和纯裸土参数估算方式存在缺陷，即必须通过一定时间空间范围内图像中多像元统计获得，选择多大时空范围、如何选择最大和最小值都很难规范。本研究算法针对像元二分模型核心端元参数获取的不确定性，利用多角度信息和植被间隙率物理模型进行参数求解，力求完成方法的理论研究和模型验证，建立简单实用的区域及全球植被覆盖度估算方法。在检验方法上借助无人机大范围观测能力，充分考虑混合像元随尺度的变化规律，发展消除混合像元影响的实用近景遥感植被覆盖度估算方法。生产中国纯植被和纯土壤植被指数数据并发布，同时开展地面测量、无人机观测和计算机模拟三者结合的植被覆盖度综合检验。

植被覆盖度（Fractional Vegetation Cover, FVC）被广泛用于区域和全球范围的生态环境监测、陆表过程模型模拟等领域。本研究以发展植被覆盖度遥感估算方法为目标，通过改进像元二分模型的参数获取方式，以得到更准确更能适用于不同尺度FVC估算的实用性方法。常用像元二分模型的纯植被和纯裸土参数估算方式存在缺陷，即必须通过一定时间空间范围内图像中多像元统计获得，选择多大时空范围、如何选择最大和最小值都很难规范。本研究算法针对经典像元二分模型核心端元参数获取的不确定性，利用多角度信息和植被间隙率物理模型进行参数求解，改进了像元二分模型参数化的植被覆盖度（FVC）算法，提出了结合新型太阳静止卫星遥感数据的FVC遥感算法MultiHSVI，建立了简单实用的区域及全球植被覆盖度估算方法。并以国产环境卫星为主生产了中国范围内的像元二分模型关键系数和FVC产品，已经共享给不同领域的部分研究团队使用。在检验方法上，借助无人机大范围观测能力，充分考虑混合像元随尺度的变化规律，发展了消除混合像元影响的从无人机照片数据提取FVC的算法和植被冠层垂直分层FVC的无人机提取算法，整合优化了FVC真实性检验方案，开展地面测量、无人机观测和计算机模拟三者结合的植被覆盖度综合检验，推动了植被覆盖度的遥感估算、检验的研究和应用。研究成果支撑了2项国家标准的发布和10篇SCI期刊论文的发表。另外从研究工作延申出植被二向反射分布函数的无人机测量方法和基于分形理论的叶面积指数测量方法，也具有重要的理论意义与实用价值。